ImageClassificationJob الفصل
تكوين مهمة تصنيف الصور متعددة الفئات ل AutoML.
تهيئة مهمة AutoML جديدة متعددة الفئات لتصنيف الصور.
- توريث
-
azure.ai.ml.entities._job.automl.image.automl_image_classification_base.AutoMLImageClassificationBaseImageClassificationJob
الدالمنشئ
ImageClassificationJob(*, primary_metric: str | ClassificationPrimaryMetrics | None = None, **kwargs)
المعلمات
- primary_metric
المقياس الأساسي الذي يجب استخدامه للتحسين
- kwargs
وسيطات خاصة بالوظيفة
الأساليب
dump |
تفريغ محتوى المهمة في ملف بتنسيق YAML. |
extend_search_space |
أضف مساحة بحث لمهام AutoML Image Classification وImage Classification Multilabel. |
set_data | |
set_limits |
تحديد الإعدادات لكافة أعموديات صور AutoML. |
set_sweep |
إعدادات المسح لجميع أعموديات صور AutoML. |
set_training_parameters |
تعيين معلمات تدريب الصور لتصنيف صور AutoML وتصنيف الصور متعدد المهام. |
dump
تفريغ محتوى المهمة في ملف بتنسيق YAML.
dump(dest: str | PathLike | IO, **kwargs) -> None
المعلمات
المسار المحلي أو دفق الملف لكتابة محتوى YAML إليه. إذا كان dest مسار ملف، فسيتم إنشاء ملف جديد. إذا كان dest ملفا مفتوحا، فستتم كتابة الملف مباشرة.
- kwargs
- dict
وسيطات إضافية لتمريرها إلى مسلسل YAML.
استثناءات
يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.
يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.
extend_search_space
أضف مساحة بحث لمهام AutoML Image Classification وImage Classification Multilabel.
extend_search_space(value: SearchSpace | List[SearchSpace]) -> None
المعلمات
حدد إما مثيل ImageClassificationSearchSpace أو قائمة ImageClassificationSearchSpace للبحث من خلال مساحة المعلمة
استثناءات
يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.
يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input | None = None, validation_data_size: float | None = None) -> None
استثناءات
يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.
يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.
set_limits
تحديد الإعدادات لكافة أعموديات صور AutoML.
set_limits(*, max_concurrent_trials: int | None = None, max_trials: int | None = None, timeout_minutes: int | None = None) -> None
المعلمات
- timeout_minutes
- timedelta
مهلة مهمة AutoML.
استثناءات
يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.
يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.
set_sweep
إعدادات المسح لجميع أعموديات صور AutoML.
set_sweep(*, sampling_algorithm: str | Random | Grid | Bayesian, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None) -> None
المعلمات
- sampling_algorithm
مطلوب [مطلوب] نوع خوارزميات أخذ عينات المعلمات الفائقة. تتضمن القيم المحتملة: "Grid" و"Random" و"Bayesian".
- early_termination
- Union[ BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]
نوع نهج الإنهاء المبكر.
استثناءات
يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.
يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.
set_training_parameters
تعيين معلمات تدريب الصور لتصنيف صور AutoML وتصنيف الصور متعدد المهام.
set_training_parameters(*, advanced_settings: str | None = None, ams_gradient: bool | None = None, beta1: float | None = None, beta2: float | None = None, checkpoint_frequency: int | None = None, checkpoint_run_id: str | None = None, distributed: bool | None = None, early_stopping: bool | None = None, early_stopping_delay: int | None = None, early_stopping_patience: int | None = None, enable_onnx_normalization: bool | None = None, evaluation_frequency: int | None = None, gradient_accumulation_step: int | None = None, layers_to_freeze: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: str | LearningRateScheduler | None = None, model_name: str | None = None, momentum: float | None = None, nesterov: bool | None = None, number_of_epochs: int | None = None, number_of_workers: int | None = None, optimizer: str | StochasticOptimizer | None = None, random_seed: int | None = None, step_lr_gamma: float | None = None, step_lr_step_size: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_cosine_lr_cycles: float | None = None, warmup_cosine_lr_warmup_epochs: int | None = None, weight_decay: float | None = None, training_crop_size: int | None = None, validation_crop_size: int | None = None, validation_resize_size: int | None = None, weighted_loss: int | None = None) -> None
المعلمات
- advanced_settings
- str
إعدادات السيناريوهات المتقدمة.
- ams_gradient
- bool
تمكين AMSGrad عندما يكون المحسن هو "آدم" أو "adamw".
- beta1
- float
قيمة 'beta1' عندما يكون المحسن هو 'آدم' أو 'adamw'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].
- beta2
- float
قيمة 'beta2' عندما يكون المحسن هو 'آدم' أو 'adamw'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].
- checkpoint_frequency
- int
قم بالتكرار لتخزين نقاط فحص النموذج. يجب أن تكون عدداً صحيحاً موجباً.
- checkpoint_run_id
- str
معرف التشغيل السابق الذي يحتوي على نقطة تحقق مدربة مسبقا للتدريب المتزايد.
- distributed
- bool
ما إذا كنت تريد استخدام التدريب الموزع أم لا.
- early_stopping
- bool
قم بتمكين منطق الإيقاف المبكر في أثناء التدريب.
- early_stopping_delay
- int
الحد الأدنى لعدد الفترات أو تقييمات التحقق من الصحة للانتظار قبل تتبع تحسين القياس الأساسي للإيقاف المبكر. يجب أن تكون عدداً صحيحاً موجباً.
- early_stopping_patience
- int
الحد الأدنى لعدد الفترات أو تقييمات التحقق من الصحة مع عدم وجود تحسين قياسي أساسي قبل إيقاف التشغيل. يجب أن تكون عدداً صحيحاً موجباً.
- enable_onnx_normalization
- bool
تمكين التسوية عند تصدير نموذج ONNX.
- evaluation_frequency
- int
قم بالتكرار لتقييم مجموعة بيانات التحقق من الصحة للحصول على درجات القياس. يجب أن تكون عدداً صحيحاً موجباً.
- gradient_accumulation_step
- int
يعني تراكم التدرج تشغيل عدد مكون من خطوات "GradAccumulationStep" دون تحديث أوزان النموذج أثناء تجميع تدرجات تلك الخطوات، ثم استخدام التدرجات المتراكمة لحساب تحديثات الوزن. يجب أن تكون عدداً صحيحاً موجباً.
- layers_to_freeze
عدد الطبقات المراد تجميدها للنموذج. يجب أن تكون عدداً صحيحاً موجباً. على سبيل المثال، تمرير 2 كقيمة ل "seresnext" يعني تجميد الطبقة0 والطبقة 1. للحصول على قائمة كاملة بالنماذج المدعومة وتفاصيل حول تجميد الطبقة، يرجى الاطلاع على: https://docs.microsoft.com/en-us/azure/machine-learning/reference-automl-images-hyperparameters#model-agnostic-hyperparameters. # pylint: disable=line-too-long
- learning_rate
- float
معدل التعلم الأولي. لابد أن يكون عددًا عشريًا في النطاق [0، 1].
- learning_rate_scheduler
نوع مُجدول معدل التعلم. يجب أن يكون "warmup_cosine" أو "خطوة". تتضمن القيم المحتملة: "None" و"WarmupCosine" و"Step".
- model_name
اسم النموذج المراد استخدامه للتدريب. لمزيد من المعلومات حول النماذج المتاحة، يرجى زيارة الوثائق الرسمية: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
- momentum
- float
قيمة الزخم عندما يكون المحسن 'sgd'. لابد أن يكون عددًا عشريًا في النطاق [0، 1].
- nesterov
- bool
تمكين nesterov عندما يكون المحسن 'sgd'.
- number_of_epochs
- int
عدد فترات التدريب. يجب أن تكون عدداً صحيحاً موجباً.
- number_of_workers
- int
عدد عمال تحميل البيانات. يجب أن يكون عددا صحيحا غير سالب.
- optimizer
نوع المُحسِن. تتضمن القيم المحتملة: "None"، "Sgd"، "Adam"، "Adamw".
- random_seed
- int
بذور عشوائية لاستخدامها عند استخدام التدريب الحتمية.
- step_lr_gamma
- float
قيمة غاما عندما يكون مجدول معدل التعلم هو "الخطوة". لابد أن يكون عددًا عشريًا في النطاق [0، 1].
- step_lr_step_size
- int
قيمة حجم الخطوة عندما يكون مجدول معدل التعلم هو "الخطوة". يجب أن تكون عدداً صحيحاً موجباً.
- training_batch_size
- int
حجم دفعة التدريب. يجب أن تكون عدداً صحيحاً موجباً.
- validation_batch_size
- int
حجم دُفعة التحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً.
- warmup_cosine_lr_cycles
- float
قيمة دورة جيب التمام عندما يكون مجدول معدل التعلم هو "warmup_cosine". لابد أن يكون عددًا عشريًا في النطاق [0، 1].
- warmup_cosine_lr_warmup_epochs
- int
قيمة فترات التجهيز عندما يكون مجدول معدل التعلم هو "warmup_cosine". يجب أن تكون عدداً صحيحاً موجباً.
- weight_decay
- float
قيمة تسوس الوزن عندما يكون المحسن 'sgd' أو 'adam' أو 'adamw'. يجب أن يكون عائما في النطاق[0، 1].
- training_crop_size
- int
حجم اقتصاص الصورة الذي يتم إدخاله إلى الشبكة العصبية لمجموعة بيانات التدريب. يجب أن تكون عدداً صحيحاً موجباً.
- validation_crop_size
- int
حجم اقتصاص الصورة الذي يتم إدخاله إلى الشبكة العصبية لمجموعة بيانات التحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً.
- validation_resize_size
- int
حجم الصورة التي يجب تغيير حجمها قبل القص لمجموعة بيانات التحقق من الصحة. يجب أن تكون عدداً صحيحاً موجباً.
- weighted_loss
- int
خسارة مرجحة. القيم المقبولة هي 0 لعدم وجود خسارة مرجحة. 1 للخسارة المرجحة مع sqrt. (class_weights). 2 تعني وجود خسارة مرجحة مع class_weights. لابد أن تكون 0 أو 1 أو 2.
استثناءات
يرفع إذا كان dest هو مسار ملف والملف موجود بالفعل.
يرفع إذا كان dest ملفا مفتوحا وكان الملف غير قابل للكتابة.
السمات
base_path
creation_context
id
معرف المورد.
المرتجعات
المعرف العمومي للمورد، معرف Azure Resource Manager (ARM).
نوع الإرجاع
inputs
limits
log_files
ملفات إخراج الوظيفة.
المرتجعات
قاموس أسماء السجلات وعناوين URL.
نوع الإرجاع
log_verbosity
outputs
primary_metric
search_space
status
حالة الوظيفة.
تتضمن القيم الشائعة التي تم إرجاعها "قيد التشغيل" و"مكتمل" و"فشل". جميع القيم المحتملة هي:
NotStarted - هذه حالة مؤقتة تكون فيها كائنات التشغيل من جانب العميل قبل إرسال السحابة.
البدء - بدأ التشغيل في المعالجة في السحابة. لدى المتصل معرف تشغيل في هذه المرحلة.
التوفير - يتم إنشاء حساب عند الطلب لتقديم وظيفة معينة.
التحضير - يتم إعداد بيئة التشغيل وهي في إحدى مرحلتين:
بناء صورة Docker
إعداد بيئة conda
في قائمة الانتظار - يتم وضع المهمة في قائمة الانتظار على هدف الحساب. على سبيل المثال، في BatchAI، تكون المهمة في حالة قائمة الانتظار
أثناء انتظار أن تكون جميع العقد المطلوبة جاهزة.
قيد التشغيل - بدأت المهمة في التشغيل على هدف الحساب.
إنهاء - اكتمل تنفيذ التعليمات البرمجية للمستخدم، والتشغيل في مراحل ما بعد المعالجة.
CancelRequested - تم طلب الإلغاء للوظيفة.
مكتمل - اكتمل التشغيل بنجاح. يتضمن ذلك كلا من تنفيذ التعليمات البرمجية للمستخدم وتشغيله
مراحل ما بعد المعالجة.
فشل - فشل التشغيل. عادة ما توفر الخاصية Error أثناء التشغيل تفاصيل حول السبب.
تم الإلغاء - يتبع طلب إلغاء ويشير إلى أن التشغيل قد تم إلغاؤه بنجاح الآن.
NotResponding - بالنسبة إلى عمليات التشغيل التي تم تمكين Heartbeats فيها، لم يتم إرسال رسالة كشف أخطاء الاتصال مؤخرا.
المرتجعات
حالة الوظيفة.
نوع الإرجاع
studio_url
نقطة نهاية استوديو التعلم الآلي من Microsoft Azure.
المرتجعات
عنوان URL لصفحة تفاصيل الوظيفة.
نوع الإرجاع
sweep
task_type
الحصول على نوع المهمة.
المرتجعات
نوع المهمة المراد تشغيلها. تتضمن القيم المحتملة: "التصنيف"، و"الانحدار"، و"التنبؤ".
نوع الإرجاع
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python
الملاحظات
https://aka.ms/ContentUserFeedback.
قريبًا: خلال عام 2024، سنتخلص تدريجيًا من GitHub Issues بوصفها آلية إرسال ملاحظات للمحتوى ونستبدلها بنظام ملاحظات جديد. لمزيد من المعلومات، راجعإرسال الملاحظات وعرضها المتعلقة بـ